- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT04647825
BEHOV: Neuromed Epilepsi EEG Database. En stor EEG-database over epilepsipatienter til forskningsfællesskab. (NEED)
BEHOV: Neuromed Epilepsi EEG Database. En stor database over elektroencefalografiske (EEG) signaler fra epilepsipatienter til forskningsmiljø.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Omkring 50 millioner mennesker verden over er ramt af epilepsi, som er en af de hyppigste neurologiske sygdomme. Det er kendetegnet ved uforudsigelige og pludselige anfald, som kan føre til bevidsthedstab og ukontrollerede motoriske reaktioner, hvilket i alvorlig grad påvirker epilepsipatienters livskvalitet. Kun to tredjedele af epilepsipatienter kan kontrollere anfald med antiepileptika eller gennem epilepsikirurgi. For de resterende patienter bør andre terapeutiske tilgange overvejes. Disse tilgange omfatter udviklingen af interventionel lukket kredsløbsanordning, der er i stand til at detektere anfald og udløse en interventionsoperation, såsom at administrere antiepileptiske lægemidler eller elektrisk stimulere det epileptogene fokus til at afbryde anfaldet. For at give effektive terapeutiske tilgange til disse patienter er der i de sidste årtier blevet gjort mange bestræbelser på at udvikle automatiske metoder til at finde pålidelige markører i elektroencefalografisk (EEG) signal, som er guldstandarden for epilepsidiagnose, i stand til at forudsige eller tidligt opdage anfald i EEG. Sådanne metoder er baseret på matematiske eller beregningsmæssige tilgange til EEG-signalanalyse, hvis formål er at udtrække komplekse mål (de såkaldte "features") fra EEG-signaler, som ikke er genkendelige med klassisk visuel inspektion af EEG-signaler foretaget af epileptologer under diagnose af epilepsi, for at bruge sådanne funktioner som forløbere for indkommende anfald (anfaldsforudsigelse) eller som indikatorer for et igangværende anfald (anfaldsdetektion). Mange metoder er blevet foreslået i de sidste år, ved hjælp af lineære eller ikke-lineære, til at udtrække træk fra EEG-signaler. For nylig har nogle undersøgelser også brugt elektrokardiografisk signal (EKG), som normalt optages sammen med EEG i epilepsimonitorering, for at udtrække lovende træk fra det. Selvom disse undersøgelser viste lovende resultater, lider de ikke desto mindre af mange begrænsninger. Blandt dem brugen af et begrænset antal patienter og anfald og brugen af kun optagelser, der tilhører fasen forud for anfaldene (den såkaldte præ-iktale periode). Sådanne begrænsninger gør det ikke muligt at bestemme f.eks. specificiteten af sådanne algoritmer, fordi de ikke også tager højde for optagelser erhvervet i tidsintervaller langt fra anfaldene (interiktale data) og kan føre til en overtilpasning af anfaldsforudsigelsen/ detektionsmodel. Det eneste, som alle epilepsiforskere er enige om, er eksistensen af en præ-iktal fase, som er fasen forud for anfaldet, den iktale fase, hvor anfaldet er "aktivt" og inter-iktal fase, som er en periode midlertidigt langt fra anfaldet. Normalt består automatiske metoder til forudsigelse/detektion af anfald af tre forskellige faser: forbehandlingen (fjernelse af artefakter, båndpasfiltrering, datasegmentering, …) af EEG-signaler, ekstraktion af egenskaber og udvælgelse og klassificering af funktioner. Dette sidste trin består normalt i brugen af maskinlæring og statistiske metoder for at træffe beslutning om forudsigelsen/detektionen. Grundlæggende bør disse modeller være i stand til at klassificere hver EEG-instans i to klasser, "beslaglæggelse" eller "ingen anfald", ved hjælp af de funktioner, der er ekstraheret fra EEG-signalet. Effektiviteten af disse modeller afhænger i høj grad af, hvor effektivt de trænes, og jo mere data der bruges til at træne dem, jo mere er de i stand til at tage den rigtige beslutning. Derfor kunne tilgængeligheden af en stor database med data gøre det muligt at udvikle effektive modeller til epilepsidetektion/forudsigelse. Forskeres mulighed for at få adgang til en stor database med kontinuerlige og langsigtede EEG-data fra epilepsipatienter kunne være en stor mulighed for at udvikle effektive og pålidelige automatiske anfaldsforudsigelse/detektionsmetoder. Af disse grunde har nogle forskergrupper i de seneste år foreslået og delt offentlig EEG-database med forskere, der ønsker at teste deres automatiserede anfaldsdetektions-/forudsigelsesmodeller. En sådan database er især blevet foreslået af Epilepsi Center ved University of Bonn og Freiburg og også af Children's Hospital i Boston og er blevet gjort tilgængelig til gratis download for forskere. Disse databaser indeholder langsigtede EEG-optagelser erhvervet under præ-kirurgisk monitorering af epilepsipatienter. Antallet af patienter inkluderet i disse databaser er ret lavt (fra et minimum på 5 til et maksimum på 23 patienter), og også antallet af anfald er begrænset (fra et minimum på 59 til et maksimum på 189). Endvidere spænder varigheden af optagelserne fra 40 minutter til 142 timer, og antallet af metadata (andre informationer om patienter og anfald) er meget lavt. Den sidste database er blevet foreslået i 2008 inden for rammerne af et EU-funderet projekt (EPILEPSIAE), hvor 6 forskellige partnere (hospitaler, universiteter, virksomheder) fra 4 forskellige lande (Tyskland, Italien, Frankrig, Portugal) har været involveret. Denne database er ikke gratis, men stilles til rådighed for download ved betaling i 2012. I dag er det den største epilepsi-EEG-database, der er tilgængelig på verdensplan (http://epilepsy-database.eu/). Den indeholder data fra 275 patienter, herunder EEG- og EKG-optagelser, metadata, kliniske og tekniske annotationer på dataene og klinisk information om patienterne. Faktisk er kun 60 ud af 275 datasæt tilgængelige for download. Formålet med denne undersøgelse er at skabe en langsigtet EEG-database erhvervet på epilepsipatienter under den ikke-invasive prækirurgiske monitor på Epilepsi Surgery Unit på IRCCS Neuromed. Databasen vil, udover EEG- og EKG-optagelser, omfatte kliniske og tekniske annotationer om data fra ekspert epileptologer og også klinisk information om patienten, herunder neuropsykologiske evalueringer. Alle data vil først blive anonymiseret, krypteret og derefter gjort tilgængelige for gratis download. Databasen vil omfatte data fra 200 epilepsipatienter, der har gennemgået non-invasiv prækirurgisk epilepsimonitorering på Epilepsi Surgery Unit på IRCCS Neuromed. Ved afslutningen af non-invasiv EEG-monitorering vil to sagkyndige epileptologer inspicere EEG/EKG-data for at identificere anfaldene, især de kanaler, hvor anfaldet starter og tidspunktet, og alt kunne være af interesse for projektet. Alle optagelser vil blive eksporteret i ASCII (American Standard Code for Information Interchange) format ved hjælp af DMS Data Management System (Nihon Kohden Europe Gmbh) software, version 2.9.8 og gemt lokalt. Samtidig vil kliniske og demografiske (kun køn og alder) data blive indsamlet for hver patient. Især for hver patient vil følgende data være tilgængelige:
- Demografiske data (køn og alder);
- Klinisk information (type epilepsi, anfaldshyppighed,...);
- Neuropsykologiske data;
- EEG-data erhvervet i henhold til internationalt 10-20-system;
- EKG-data;
- Oplysninger om optagelserne og anfaldene (start- og sluttidspunkt, start- og sluttidspunkt for hvert anfald, …)
Alle data fra alle patienter vil blive inkluderet i en enkelt database, og hver patient vil blive gemt i et enkelt komprimeret arkiv. Databasen vil blive gjort tilgængelig efter afslutningen af en anmodning, som kan videresendes af hver forsker ved hjælp af en dedikeret URL, hvori forskeren udfylder en formular, når den bliver bedt om at levere følgende data:
- Oplysninger om ansøgeren (navn, adresse, tilknytning, …)
- GDPR-samtykke Når anmodningen er modtaget, vil det komprimerede arkiv, der indeholder hele databasen, blive beskyttet med en ad-hoc alfanumerisk adgangskode. En sådan adgangskode vil bestå af to dele: den første del vil blive sendt via e-mail til ansøgeren, den anden del vil blive sendt ved hjælp af den almindelige posttjeneste (tovejsgodkendelse).
Undersøgelsestype
Tilmelding (Forventet)
Kontakter og lokationer
Studiesteder
-
-
IS
-
Pozzilli, IS, Italien, 86077
- Rekruttering
- IRCCS Neuromed
-
Kontakt:
- LUIGI PAVONE
- Telefonnummer: +39 0865929645
- E-mail: bioingegneria@neuromed.it
-
Ledende efterforsker:
- Luigi Pavone
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter med lægemiddelresistent epilepsi kandidat til operationen gennemgik ikke-invasiv EEG-monitorering
- Patienter med mindst ét registreret anfald under EEG-overvågningen
Ekskluderingskriterier:
- Patienter med lægemiddelresistent epilepsi kandidat til operationen gennemgik ikke-invasiv EEG-monitorering
- Patienter uden registrerede anfald under EEG-overvågningen
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Tidsramme |
---|---|
Antal indsamlede patienter
Tidsramme: December 2020 - december 2021
|
December 2020 - december 2021
|
Samarbejdspartnere og efterforskere
Sponsor
Publikationer og nyttige links
Generelle publikationer
- Sunderam S, Gluckman B, Reato D, Bikson M. Toward rational design of electrical stimulation strategies for epilepsy control. Epilepsy Behav. 2010 Jan;17(1):6-22. doi: 10.1016/j.yebeh.2009.10.017. Epub 2009 Nov 17.
- Stacey WC, Litt B. Technology insight: neuroengineering and epilepsy-designing devices for seizure control. Nat Clin Pract Neurol. 2008 Apr;4(4):190-201. doi: 10.1038/ncpneuro0750. Epub 2008 Feb 26.
- Stein AG, Eder HG, Blum DE, Drachev A, Fisher RS. An automated drug delivery system for focal epilepsy. Epilepsy Res. 2000 Apr;39(2):103-14. doi: 10.1016/s0920-1211(99)00107-2.
- Theodore WH, Fisher R. Brain stimulation for epilepsy. Acta Neurochir Suppl. 2007;97(Pt 2):261-72. doi: 10.1007/978-3-211-33081-4_29.
- Osorio I, Frei MG, Sunderam S, Giftakis J, Bhavaraju NC, Schaffner SF, Wilkinson SB. Automated seizure abatement in humans using electrical stimulation. Ann Neurol. 2005 Feb;57(2):258-68. doi: 10.1002/ana.20377.
- Morrell M. Brain stimulation for epilepsy: can scheduled or responsive neurostimulation stop seizures? Curr Opin Neurol. 2006 Apr;19(2):164-8. doi: 10.1097/01.wco.0000218233.60217.84.
- Mormann F, Andrzejak RG, Elger CE, Lehnertz K. Seizure prediction: the long and winding road. Brain. 2007 Feb;130(Pt 2):314-33. doi: 10.1093/brain/awl241. Epub 2006 Sep 28.
- Rogowski Z, Gath I, Bental E. On the prediction of epileptic seizures. Biol Cybern. 1981;42(1):9-15. doi: 10.1007/BF00335153.
- Salant Y, Gath I, Henriksen O. Prediction of epileptic seizures from two-channel EEG. Med Biol Eng Comput. 1998 Sep;36(5):549-56. doi: 10.1007/BF02524422.
- Iasemidis LD, Sackellares JC, Zaveri HP, Williams WJ. Phase space topography and the Lyapunov exponent of electrocorticograms in partial seizures. Brain Topogr. 1990 Spring;2(3):187-201. doi: 10.1007/BF01140588.
- Lehnertz K, Elger CE. Spatio-temporal dynamics of the primary epileptogenic area in temporal lobe epilepsy characterized by neuronal complexity loss. Electroencephalogr Clin Neurophysiol. 1995 Aug;95(2):108-17. doi: 10.1016/0013-4694(95)00071-6.
- Martinerie J, Adam C, Le Van Quyen M, Baulac M, Clemenceau S, Renault B, Varela FJ. Epileptic seizures can be anticipated by non-linear analysis. Nat Med. 1998 Oct;4(10):1173-6. doi: 10.1038/2667.
- Le Van Quyen M, Soss J, Navarro V, Robertson R, Chavez M, Baulac M, Martinerie J. Preictal state identification by synchronization changes in long-term intracranial EEG recordings. Clin Neurophysiol. 2005 Mar;116(3):559-68. doi: 10.1016/j.clinph.2004.10.014. Epub 2004 Dec 25.
- Le Van Quyen M, Martinerie J, Baulac M, Varela F. Anticipating epileptic seizures in real time by a non-linear analysis of similarity between EEG recordings. Neuroreport. 1999 Jul 13;10(10):2149-55. doi: 10.1097/00001756-199907130-00028.
- Stacey W, Le Van Quyen M, Mormann F, Schulze-Bonhage A. What is the present-day EEG evidence for a preictal state? Epilepsy Res. 2011 Dec;97(3):243-51. doi: 10.1016/j.eplepsyres.2011.07.012. Epub 2011 Aug 31.
- Teixeira CA, Direito B, Feldwisch-Drentrup H, Valderrama M, Costa RP, Alvarado-Rojas C, Nikolopoulos S, Le Van Quyen M, Timmer J, Schelter B, Dourado A. EPILAB: a software package for studies on the prediction of epileptic seizures. J Neurosci Methods. 2011 Sep 15;200(2):257-71. doi: 10.1016/j.jneumeth.2011.07.002. Epub 2011 Jul 7.
- Delamont RS, Julu PO, Jamal GA. Changes in a measure of cardiac vagal activity before and after epileptic seizures. Epilepsy Res. 1999 Jun;35(2):87-94. doi: 10.1016/s0920-1211(98)00100-4.
- Kerem DH, Geva AB. Forecasting epilepsy from the heart rate signal. Med Biol Eng Comput. 2005 Mar;43(2):230-9. doi: 10.1007/BF02345960.
- D'Alessandro M, Vachtsevanos G, Esteller R, Echauz J, Cranstoun S, Worrell G, Parish L, Litt B. A multi-feature and multi-channel univariate selection process for seizure prediction. Clin Neurophysiol. 2005 Mar;116(3):506-16. doi: 10.1016/j.clinph.2004.11.014. Epub 2005 Jan 24.
Datoer for undersøgelser
Studer store datoer
Studiestart (FAKTISKE)
Primær færdiggørelse (FORVENTET)
Studieafslutning (FORVENTET)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (FAKTISKE)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (FAKTISKE)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- BIOING_02
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .